专利名称：处理系统健康指数及其使用方法
技术领域：
本发明涉及一种处理系统健康指数及其使用方法，更特别地，涉及一种利用加权主成分分析(WPCA)的处理系统健康指数。
背景技术：
在等离子体处理，例如半导体或显示器制造等，的各个阶段，临界处理参数可以发生显著的变化。处理条件的临界处理参数在一段时间之后发生的最轻微的变化都会产生不良的后果。腐蚀气体的成分和压力、处理室或晶片温度容易发生微小改变。因此，等离子体处理设备需要不断地加以监视。
在任何给定的时间对这些处理参数进行测量和监视允许对可变数据进行积累和分析。处理控制反馈可以用于调节处理参数或者确定某些处理材料的生存能力(viability)。然而，在许多情况下，不能够通过简单地参考所显示的处理数据检测出反映处理性能恶化的处理数据的变化。要检测到处理的早期异常和性能恶化是困难的，因此经常需要通过预先处理控制(APC)获得错误检测和预测，以及图形识别。
发明内容
一种在半导体制造过程中监视用于处理基片的处理系统的方法和系统包括如下的步骤和系统从处理系统的多次观察结果中获取数据，该数据包括多个数据变量；用主成分分析为这多个观测结果确定一个或多个数据主成分；在主成分分析期间给多个数据变量的至少一个加权；从处理系统获取附加数据；由附加数据在一个或多个主成分上的投影计算得出的一个或多个得分确定至少一个统计量；为这至少一个统计量确定控制极限；和将该至少一个统计量与控制极限进行比较。
通过联系附图参考下面的本发明示例性实施例的详细说明能够更明显、更容易地理解本发明的这些和其它优点，其中图1显示了根据本发明优选实施例的材料处理系统；图2显示了根据本发明一个实施例的材料处理系统；图3显示了根据本发明另一个实施例的材料处理系统；图4显示了根据本发明再一个实施例的材料处理系统；图5显示了根据本发明附加实施例的材料处理系统；图6给出了用于主成分分析(PCA)模型的图形用户界面(GUI)；图7A给出了标准PCA模型中至模型统计量的距离(DmodX)，作为基片流量(substrate run)的函数；图7B给出了加权PCA模型中至模型统计量的距离(DmodX)，作为基片流量的函数；图8给出了图7B中加权PCA模型的贡献图(contributions plot)；和图9给出了根据本发明的实施例在半导体制造过程中监视用于处理基片的系统的方法。
具体实施例方式
根据本发明的实施例，材料处理系统1如图1所示，其包括处理工具10和处理性能监视系统100。该处理性能监视系统100包括多个传感器50和一个控制器55。选择地，材料处理系统1能够包括多个处理工具10。传感器50与处理工具10耦连以便测量工具数据，控制器55与传感器50耦连以便接收工具数据。选择地，控制器55进一步与处理工具10耦连。而且，控制器55被配置成用工具数据监视处理工具的处理性能数据。处理性能数据能够包括，例如，处理错误的检测。
在图1所示的实施例中，材料处理系统1利用等离子体进行材料处理。理想地，材料处理系统1包括一个腐蚀室。选择地，材料处理系统1包括一个光刻胶涂布室，例如光刻胶旋转涂布系统；一个光刻胶构图室，例如紫外线(UV)光刻系统；一个电介质涂布室，例如玻璃上旋涂(SOG)或电介质上旋涂(SOD)系统；一个沉积室，例如化学气相沉积(CVD)系统或物理气相沉积(PVD)系统；一个快速热处理(RTP)室，例如用于热退火的RTP系统；或一个批处理垂直炉。
根据图2所示的本发明实施例，材料处理系统1包括处理工具10、基片固定器20、气体注入系统40和抽真空系统58，其中待处理的基片25固定在基片固定器上。基片25能够是，例如，半导体基片、晶片或液晶显示器(LCD)。处理工具10能够被配置成，例如，便于在邻近基片25表面的处理区域45内产生等离子体，其中通过热电子与可电离气体进行碰撞形成等离子体。可电离气体或气体混合物是通过气体注入系统40引入的，同时对处理压力进行调节。理想地，等离子体用于产生特定于预定材料处理的材料，并且有助于使材料沉积到基片25上或者将材料从基片25的暴露表面上除去。例如，控制器55能够用于控制抽真空系统58和气体注入系统40。
基片25能够，例如，借助机器人基片转移系统通过槽缝阀(slotvalve)(未显示)或室馈给通路(chamber feed-though)(未显示)转移进入或离开处理工具10，其中在机器人基片转移系统中，基片通过包封在基片固定器20内的基片抬升针(未显示)加以接收并通过包封在其中的设备机械地加以转移。一旦从基片转移系统接收到基片25，便将其降低到基片固定器20的上表面。
例如，基片25能够通过静电钳制系统28固定在基片固定器20上。而且，基片固定器20能够进一步包括一个冷却系统，该冷却系统具有再循环冷却剂流，其从基片固定器20接收热量并将热量转移给热交换器系统(未显示)，或者在加热时，从热交换器系统转移热量。而且，能够通过背侧气体系统26将气体导入到基片的背侧，从而提高基片25与基片固定器20之间的气体-缝隙热传导率。当需要在高温或低温下对基片进行温度控制时能够使用这种系统。例如，当由于从等离子体传递给基片25的热通量与通过传导从基片25传递给基片固定器20的热通量之间的平衡使温度超过稳态温度时，对基片温度进行控制是有用的。在其它的实施例中，能够包括加热元件，例如电阻加热元件或热电加热器/冷却器。
如图2所示，基片固定器20包括一个电极，通过它将RF功率与处理区域45内的等离子体相耦连。例如，能够通过将RF功率从RF发生器30经由阻抗匹配网络32发射到基片固定器20，将基片固定器20电偏置在RF电压。该RF偏压能够用于形成热电子和保持等离子体。在该配置中，系统能够作为反应离子腐蚀(RIE)反应器工作，其中室和上气体注入电极用作接地表面(ground surface)。RF偏置的典型频率范围是1MHz-100MHz，优选地为13.56MHz。
选择地，RF功率能够以多个频率施加到基片固定器电极。而且，阻抗匹配网络32用于通过使被反射功率最小化从而使转移到处理室内的等离子体上的RF功率最大化。能够使用各种匹配网络布局(例如L型、π型、T型等)和自动控制方法。
继续参考图2，处理气体能够，例如，通过气体注入系统40引入到处理区域45中。处理气体能够包括如下其它的混合物，例如氩气、CF4和O2，或者氩气、C4F8和O2，它们用于氧化物腐蚀应用，或者其它的化学品，例如O2/CO/Ar/C4F8、O2/CO/Ar/C5F8、O2/CO/Ar/C4F6、O2/Ar/C4F6、N2/H2。气体注入系统40包括一个喷头，在该处处理气体从气体输送系统(未显示)通过气体注入增压间(plenum)(未显示)、一系列缓冲板(baffle plate)(未显示)和一个多孔喷头气体注入板(未显示)供应到处理区域45。
抽真空系统58能够包括，例如，一个泵速高达5000升/秒(甚至更高)的涡轮分子真空泵(TMP)和一个用于节流室压的门阀。在传统的用于干等离子体腐蚀的等离子体处理设备中，一般采用1000-3000升/秒的TMP。TMP对于低压处理，典型地小于50mTorr，是有用的。在更高压下，TMP泵唧速度显著下降。对于高压处理(也就是，高于100mTorr)，能够使用机械增压泵和干粗泵(dry roughing pump)。而且，一个用于监视室压的设备(未显示)与处理室16相连。压力测量设备能够是，例如，MKS仪器有限公司(Andover，MA)生产的628B型Baratron绝对电容压力计。
如图1所示，处理性能监视系统100包括多个与处理工具10耦连以便测量工具数据的传感器50和与传感器50耦连以便接收工具数据的控制器55。传感器50能够包括属于处理工具10的传感器和不属于处理工具10的传感器。属于处理工具10的传感器能够包括那些与处理工具10的功能性有关的传感器，例如测量氦背侧气压、氦背侧流动、静电钳制(ESC)电压、ESC电流、基片固定器20温度(或下电极(LEL)温度)、冷却剂温度、上电极(UEL)温度、前向RF功率、反射RF功率、RF自诱发DC偏置、RF峰-峰电压、室壁温度、处理气体流速、处理气体偏置、室压、电容器设置(也就是，C1和C2位置)、聚焦环厚度、RF时间和及其任何统计量。选择地，不属于处理工具10的传感器能够包括那些与处理工具10的功能性不直接相关的传感器，例如用于监视从处理区域45中的等离子体发射的光线的光检测设备34，如图2所示。
光检测设备34能够包括一个探测器，例如(硅)光电二极管或光电倍增管(PMT)，用于测量等离子体发射的总光强度。光检测设备34能够进一步包括一个滤光器，例如窄带接口滤光器。在可选择实施例中，光检测设备34包括一个直线CCD(电耦合器件)或CID(电注入器件)阵列和一个光分散设备，例如光栅或棱镜。此外，光检测设备34能够包括一个用于在给定波长下测量光线的单色器(例如光栅/检测器系统)，或一个用于测量光谱的分光计(例如，具有旋转光栅)，例如美国专利No.5,888,337中说明的设备。
光检测设备34能够包括一个得自于峰传感器系统(Peak SensorSystem)的高分辨率OES传感器。这种OES传感器具有宽频谱，跨越紫外(UV)、可见(VIS)和近红外(NIR)光谱。分辨率大约为1.4埃，也就是说，该传感器能够在240-1000nm之间收集5550个波长。该传感器安装有高灵敏度微型光纤UV-VIS-NIR分光计，其进一步具有2048象素线性CCD阵列。
分光计通过单个或成束的光纤接收所发射的光线，其中用固定光栅将来自光纤的光输出跨线CCD阵列进行分散。与上述配置相似，通过光学真空窗发射的光线借助凸透镜聚焦在光纤的输入端。三个分光计，每一个特别地针对给定的光谱范围(UV，VIS和NIR)调谐，形成用于处理室的传感器。每一个分光计都包括一个独立的A/D转换器。最后，根据传感器的使用，能够在每0.1-1.0秒内记录全发射光谱。
电测量设备36能够包括，例如，一个电流和/或电压探针、一个功率计或光谱分析仪。例如，等离子体处理系统通常采用RF功率形成等离子体，其中RF传输线，例如同轴电缆或结构，用于通过电耦合元件(也就是，感应线圈，电极等)将RF能量与等离子体耦合在一起。使用例如电流-电压探针的电测量能够在电(RF)路的任何位置加以执行，例如在RF传输线内。而且，电信号的测量，例如电压或电流的时间轨迹，允许使用离散傅立叶序列表示法(采用周期性信号)将信号转变为频率空间。之后，能够对傅立叶频谱(或对于随时间变化的信号，频谱)进行监视和分析，从而表征材料处理系统1的状态。电压-电流探针能够是，例如，待审查美国专利申请序列No.60/259,862和美国专利No.5,467,013中所详细说明的设备，其中待审查美国专利申请序列No.60/259,862于2001年1月8日提出申请，本文引用它们的内容作为参考。
在可选择实施例中，电测量设备36能够包括一个宽带RF天线，用于测量材料处理系统1外部的辐射RF场。商业上可以获得的宽带RF天线是例如天线研究模型(Antenna Research Model)RAM-220的宽带天线(0.1MHz-300MHz)。
总体上，多个传感器50能够包括任意数目的传感器，内置的和外置的，其能够耦连于处理工具10，从而向控制器55提供工具数据。
控制器55包括微处理器、存储器和数字I/O端口(可能包括D/A和/或A/D转换器)，其能够产生控制电压，该控制电压足以激发向材料处理系统1的输入并与之通讯，同时监视材料处理系统1的输出。如图2所示，控制器55能够耦连于RF发生器30、阻抗匹配网络32、气体注入系统40、抽真空系统58、背侧气体输送系统26、静电钳制系统28、光检测设备34和电测量设备36并与之交换信息。存储在存储器内的程序用于根据存储的处理处方和材料处理系统1的前述部件相互作用。控制器55的一个实例是DELL PRECISIONWORKSTATION 530TM，能够从Dell公司(Austin，Texas)获得。控制器55能够相对于材料处理系统1本地定位，或者能够相对于材料处理系统1远处定位。例如，控制器55能够利用如下的至少一种与材料处理系统1交换数据直接连接、内联网和互联网。控制器55能够与例如位于用户位置(也就是设备制造者等)的内联网相耦连，或者能够与位于卖主位置(也就是设备制造商)的内联网相耦连。此外，另一个计算机(也就是，控制器、服务器等)能够通过如下的至少一种访问控制器55进行数据交换直接连接、内联网和互联网。
如图3所示，材料处理系统1能够包括一个磁场系统60。例如，磁场系统60能够包括一个固定的，或者机械或电旋转的DC磁场，以便有可能增加等离子体密度和/或提高材料处理的均匀性。而且，控制器55能够与磁场系统60相耦连以便调节场强或旋转速度。
如图4所示，材料处理系统能够包括一个上电极70。例如，RF功率能够通过阻抗匹配网络74从RF发生器72耦连到上电极70。将RF功率施加到上电极的频率的范围优选地为10MHz-200MHz，优选地为60MHz。此外，用于将功率施加到下电极的频率的范围为0.1MHz-30MHz，优选地为2MHz。而且，控制器55能够耦连于RF发生器72和阻抗匹配网络74，以便控制将RF功率施加到上电极70。
如图5所示，图1的材料处理系统能够包括一个感应线圈80。例如，RF功率能够通过阻抗匹配网络84从RF发生器82耦连到感应线圈80，并且RF功率能够通过电介质窗口(未显示)从感应线圈80感应耦连到等离子体处理区域45。将RF功率施加到感应线圈80的频率的范围优选地从10MHz-100MHz，优选地为13.56MHz。类似地，用于将功率施加到卡盘电极(chuck electrode)的频率的范围为0.1MHz-30MHz，优选地为13.56MHz。此外，槽缝法拉第屏蔽(slottedFaraday shield)(未显示)能够用于降低感应线圈80和等离子体之间的电容耦合。而且，控制器55能够耦连于RF发生器82和阻抗匹配网络84，以便控制将功率施加到感应线圈80。在可选择实施例中，感应线圈80能够是从上面与等离子体处理区域45联系的“螺旋”线圈或“扁平”线圈，这与在变压器耦连等离子体(TCP)反应器中的情况一样。
选择地，等离子体能够用电子回旋加速共振(ECR)加以形成。在另一个实施例中，等离子体通过Helicon波发射而形成。在另外一个实施例中，等离子体从传播表面波(propagating surface wave)形成。
如上所述，处理性能监视系统100包括多个传感器50和一个控制器55，其中传感器50与处理工具10耦连，控制器55与传感器50耦连以便接收工具数据。控制器55进一步能够执行至少一种算法，以便优化从传感器50接收的工具数据，确定工具数据之间的关系(模型)和使用该关系(模型)用于错误检测。
当遇到涉及巨大数目的变量的大系列数据时，通常采用多变量分析(MVA)。例如，其中一种MVA技术包括主成分分析(PCA)。在PCA中，能够组建一个模型，从大系列数据中提取出在多维变量空间内显示最大方差(variance)的信号。
例如，给定基片流量或者时间瞬时的每组数据能够存储作为矩阵X的一行，因此，一旦组成矩阵X，则其每一行表示一个不同的基片流量或时间瞬时，每一列表示相应于多个传感器50的不同数据信号(或数据变量)。因此，矩阵X是一个m×n维矩阵。一旦将数据存储在矩阵中，优选地将数据加以平均居中(mean-centered)和/或，如果需要的话，加以标准化。对存储在矩阵列中数据进行平均数居中的处理包括计算列元素的平均值，并从每个列元素中减去该平均值。而且，存在于矩阵每一列中的数据能够通过确定列中数据的标准方差加以标准化。
使用PCA技术，通过用较小维度的矩阵相乘 加上误差矩阵E对矩阵X进行近似，从而确定矩阵X内的相关性结构，即X‾=T‾PT‾+E‾---(1)]]>其中T是概括X-变量的得分矩阵(m×p)，P是显示变量影响力的载荷矩阵(n×p，其中p≤n)。
大体上，载荷矩阵P能够显示为包括X的协方差矩阵的特征向量，其中协方差矩阵S能够显示为S＝XTX(2)协方差矩阵S是实对称矩阵，因此它能够描述为S＝UΛUT其中，实对称特征向量矩阵U包括作为列的标准化特征向量，且Λ是一个对角矩阵，包括相应于每个沿着对角线的特征向量的特征值。利用等式(1)和(3)(对于p＝n的全矩阵；也就是，无误差矩阵)，能够显示P＝U(4)且TTT＝Λ (5)上述本征分析的结果是，每个特征值代表n维空间内相应特征向量方向上的数据方差(variance)。因此，最大的特征值相应于n维空间内数据的最大方差，而最小的特征值代表数据内最小的方差。由定义，所有的特征向量都是正交的，因此，第二大的特征值相应于相应变量方向上数据的第二大方差，其当然与第一特征变量的方向垂直。大体上，对于这种分析，选择第一的多个(3或4，或更多)最大特征值对数据进行近似，作为近似的结果，向等式(1)中的表示法引入一个误差E。总而言之，一旦确定一组特征值及其相应的特征向量，就能够选择一组最大特征值，并且能够确定等式(1)的误差E。
商业上可获得的支持PCA建模的软件的一个实例是SIMCA-P8.0；更详细的信息，见用户手册(SIMCA-P8.0的用户指南多变量数据分析的新标准，Umetrics AB，8.0版，1999年9月)。本文引用手册的内容作为参考。使用SIMCA-P 8.0能够，例如，确定得分矩阵T和载荷矩阵P，以及有关每个分量通过一个分量表述X中的每个变量以及X中每个方差的总方差的能力的附加信息。
此外，SIMCA-P 8.0进一步能够作为其输出产生其它的统计量，例如与观测结果模型的绝对距离(DmodX)或观测结果的霍特林T2参数，或者Q统计量(例如，Q2，其代表能够由一个分量预测的变量数据Xi的总方差的分数)。至模型距离DmodX能够计算如下si=Σe2ik(K-A)*v---(6)]]>其中v是校正因子，K是变量数，A是模型维数，eik表示第i个观测结果(基片流量、时间瞬时等)和第k个变量的原始值与投影值之间的偏差。例如，PCA模型(载荷矩阵P等)能够用“训练”数据集加以构建(也就是，针对大量的观测结果组建X，并用SIMCA-P确定PCA模型)。一旦构建出PCA模型，就能够利用新的观测结果在PCA模型上的投影确定残差矩阵E，如等式(1)所示。
类似地，霍特林T2能够计算如下T2i=Σa=1At2ias2ia---(7)]]>其中tia是第i个观测结果(基片流量、时间瞬时等)和第a个模型维度的得分。例如，PCA模型(载荷矩阵P等)能够用“训练”数据集加以构建(也就是，针对大量观测结果组建X，并用SIMCA-P确定PCA模型)。一旦构建出PCA模型，就能够利用新的观测结果在PCA模型上的投影确定一个新的得分矩阵T。
典型地，为处理监视一个统计量，例如至模型距离DmodX或霍特林T2，并且当其数量超过预定的控制极限时，则为处理检测到一个错误。然而，如上构建的PCA模型会有几种缺陷。例如，那些其方差对于工艺和产品的质量较为重要的变量可能不会显示出足够的灵敏度。此外，例如，那些模型方差非常小的变量会由于简单地自动构建模型而被过度加权。因此，本发明的实施例引入了权重因子的使用，借此调节相对重要性。在此过程中，能够实现如下的至少一个目的(i)强调重要的变量；(ii)不强调不重要的变量；(iii)减少错误报警；(iv)更容易识别真实的报警；和(v)能够调协模型参数以便对某些错误更灵敏。
权重因子(W)能够，例如，基于如下参数的至少一个建模数据标准偏差(So)；变量的期望标准偏差(Sd)；变量的相对重要性(f)；和传感器分辨率(R)。建模数据标准偏差能够是，例如，上述特殊变量的“训练集”数据的标准偏差。期望标准偏差能够是，例如，与特殊变量的预期波动有关的标准偏差。例如，采用单位方差放缩(unit variancescaling)，权重因子W能够表示为W=Somax(Sd,R)*f---(8)]]>一旦确定了每个变量的权重因子，就能够相应地修改PCA模型以便包括这种加权。例如，如图6所示，SIMCA-P在其图形用户界面(GUI)中提供了一个场，其能够用作权重因子(或“调节子”)。
选择地，能够利用组放缩方法(group scaling method)为每个变量设定权重因子。在一个实例中，表1表示用于如图2所示等离子体处理系统的一个示例工具数据集，包括61个工具数据参数。其中，能够为重要的变量，例如C1 POSITION、C2 POSITION、RF VPP、LOWERTEMP、RF REFLECT和RF VDC设定权重因子W＝1；为较不重要的变量，例如APC设定权重因子W＝0.5；为更不重要的变量，例如STEP、ESC VOLTAGE、ESC CURRENT、MAGNITUDE、PHASE和PRESSURE设定权重因子W＝0.1；为更加不重要的变量，例如RFFORWARD设定权重因子为0.05；为重要性更低的变量，例如HE EPRES、HE C PRES、HE E FLOW和HE C FLOW设定权重因子W＝0.01。
继续参考该实例，利用接触氧化腐蚀处理构建PCA模型。该腐蚀处理包括160秒的固定时间，在其间记录所有的轨迹参数。大约两千(2000)个基片被运转用于构建PCA模型。而且，构建了两种模型，包括标准PCA模型(标准PCA)和加权PCA模型(WPCA)。在种情况下，为每个观测结果(或基片流量)计算统计量DmodX，为控制极限设置五(5)个值以便忽略小的偏差。图7A给出了标准PCA模型的DmodX，图7B给出了加权PCA模型的DmodX。通过检查图7A和7B，标准PCA模型识别出三个异常值(outlier)(大约在基片流量300、1100和1850)，加权PCA模型只识别出一个异常值9(在大约基片流量1100)。观察贡献图，如图8所示，两个不同的异常值是由于GAS6FLOW导致的。然而，“正常”和“不正常”之间的差异只有0.00065，因此，标准PCA模型对一些不很重要的变量过于灵敏。
表1示例工具数据在另一个实例，C1 POSITION的标准范围是670-730，有意地，对于一个基片，C1 POSITION改变到550(过失误差)。在标准PCA模型中，一旦出现过失误差，DmodX的数值从0.96到1.48的非常小的变化都会被记录。然而，在加权PCA模型中，一旦发生过失误差，只会记录DmodX数值从2.03到8.49的显著变化。
图9的流程图描述了，在半导体制造过程中，监视用于处理基片的处理系统的方法。方法500开始于510，从处理系统的多个观测结果中获取数据。该处理系统能够是，例如，腐蚀系统，或者可以是其它的处理系统，如图1所示。能够用多个与处理系统和控制器耦连的传感器从处理系统获取数据。该数据能够包括，例如，表1为腐蚀系统提供的数据变量的任何一个。附加的数据能够包括，例如，光发射谱、电压和/或电流测量结果的RF谐波或辐射RF的发射等。每个观测结果都能够与基片流量、时间瞬时、时间平均值等相关。
在520构建PCA模型，它是通过在530确定一个或多个主成分用以代表数据并在540对所获取数据的数据变量进行加权实现的。例如，能够使用商业上可获得的软件，例如SIMCA-P，构建PCA模型。此外，数据变量的加权能够利用如下的至少一个数据标准偏差、数据变量的期望标准偏差、数据变量的相对重要性和数据变量的数据分辨率。选择地，加权能够利用组放缩方法。
在550，从处理系统获取附加数据，并在560，从附加数据和PCA模型确定至少一个统计量。例如该附加数据能够被前向投影在一个或多个主成分上，从而确定一系列得分，并且能够将这一系列得分后向投影到主成分上，从而确定一个或多个残差。使用或者得分组与得分的模型组一起或者一个或多个残差，能够为每个附加观测结果确定至少一个统计量，例如至模型距离(DmodX)或霍特林T2参数。
在570，能够设定控制极限，并且在580，能够将至少一个统计量与控制极限进行比较。该控制极限能够或者用主观方法或者用经验方法加以设定。例如，当使用与模型参数的距离DmodX时，控制极限的数值能够设定为5(见，例如图7A和7B)。此外，例如，当使用霍特林T2参数时，控制极限的数值能够设定为100。选择地，例如，控制极限能够通过使用统计量的理论分布，例如χ2-分布，加以确定；然而，所观察到的分布应当用理论加以验证。如果至少一个统计量超过了控制极限，则在590检测到一个处理系统错误；并且操作者能够在600被通报。
尽管上文只是详细说明了本发明的某些示例性实施例，但是本领域的技术人员能够容易地意识到，在本质上不背离本发明的创新教导和优点的情况下，可以对示例性实施例进行许多修改。因此，这些修改也包含在本发明的范围之内。
权利要求
1.一种在半导体制造过程中监视用于处理基片的处理系统的方法，包括从所述处理系统的多个观测结果中获取数据，所述数据包括多个数据变量；利用主成分分析为所述多个观测结果确定一个或多个主成分；在所述主成分分析期间给所述多个数据变量的至少一个加权；从所述处理系统获取附加数据；由所述附加数据在所述一个或多个主成分上的投影计算出的一个或多个得分确定至少一个统计量；为所述至少一个统计量确定控制极限；和将所述至少一个统计量与所述控制极限进行比较。
2.根据权利要求1的方法，其中当所述至少一个统计量超过所述控制极限时，则发生处理错误。
3.根据权利要求1的方法，其中所述数据包括如下的至少一个电容器位置、前向射频(RF)功率、反射RF功率、电压、电流、相位、阻抗、RF峰-峰电压、RF自感应直流电流偏置、室压、气流速度、温度、背侧气压、背侧气流速度、静电钳制电压、静电钳制电流、聚焦环厚度、RF时间、处理步骤持续时间、聚焦环RF时间、光发射谱和RF谐波。
4.根据权利要求1的方法，其中所述数据包括如下的至少一个瞬时值、时间平均值、标准偏差、第三运动、第四运动和方差。
5.根据权利要求1的方法，其中所述统计量包括如下的至少一个至模型的距离参数(DModX)和霍特林T2参数。
6.根据权利要求1的方法，其中所述确定至少一个统计量进一步包括所述一个或多个得分与所述一个或多个主成分的后向投影，以确定一个或多个残差。
7.根据权利要求6的方法，其中所述一个或多个得分与所述一个多个主成分的所述后向投影包括矩阵相乘。
8.根据权利要求1的方法，其中所述附加数据在所述一个或多个主成分上的所述投影包括矩阵相乘。
9.根据权利要求1的方法，其中给所述多个数据变量的至少一个进行的所述加权包括应用权重因子。
10.根据权利要求9的方法，其中所述权重因子从如下的至少一个中加以确定数据标准偏差(So)、所述数据变量的期望标准偏差(Sd)、所述变量的相对重要性(f)和数据分辨率(R)。
11.根据权利要求1的方法，其中为所述多个数据变量的至少一个进行的所述加权包括采用组放缩方法。
12.根据权利要求1的方法，进一步包括通过内联网和互联网的至少一个访问所述数据、所述附加数据、所述至少一个统计量和所述控制极限的至少一个。
13.一种在半导体制造过程中用于处理基片的处理系统，包括处理设备；和处理性能监视系统，其与所述处理设备耦连，包括多个与所述处理设备耦连的传感器，和一个与所述多个传感器和所述处理设备耦连的控制器，其中所述控制器包括用于从所述多个传感器的多个观测结果中获取数据的工具，所述数据包括多个数据变量；用于使用主成分分析为所述多个观测结果确定所述数据的一个或多个主成分的工具；用于在所述主成分分析期间为所述多个数据变量的至少一个加权的工具；用于从所述多个传感器获取附加数据的工具；用于从一个或多个得分中确定至少一个统计量的工具，该得分是将所述附加数据投影到所述一个或多个主成分上计算得到的；用于为所述至少一个统计量确定控制极限的工具；和用于将所述至少一个统计量与所述控制极限进行比较的工具。
14.根据权利要求13的处理系统，进一步包括用于访问所述数据、所述附加数据、所述至少一个统计量和所述控制极限的至少一个的工具。
15.根据权利要求14的处理系统，其中所述用于访问的工具包括如下的至少一个内联网和互联网。
16.一种在半导体制造过程中监视用于处理基片的处理系统的处理性能监视系统，包括多个传感器，其与所述处理系统耦连；以及一个控制器，其与所述传感器和所述处理系统耦连，其中所述控制器包括用于从所述多个传感器的多个观测结果中获取数据的工具，所述数据包括多个数据变量；用于使用主成分分析为所述多个观测结果确定所述数据的一个或多个主成分的工具；用于在所述主成分分析期间为所述多个数据变量的至少一个加权的工具；用于从所述多个传感器获取附加数据的工具；用于从一个或多个得分中确定至少一个统计量的工具，该得分是将所述附加数据投影到所述一个或多个主成分上计算得到的；用于为所述至少一个统计量确定控制极限的工具；和用于将所述至少一个统计量与所述控制极限进行比较的工具。
17.根据权利要求16的处理性能监视系统，进一步包括用于访问所述数据、所述附加数据、所述至少一个统计量和所述控制极限的至少一个的工具。
18.根据权利要求17的处理性能监视系统，其中所述用于访问的工具包括如下的至少一个内联网和互联网。
全文摘要
本发明描述了一种在半导体制造过程中监视用于处理基片的系统的方法。该方法包括从处理系统的多次观测结果中获取数据。它进一步包括由该数据构建主成分分析(PCA)模型，其中给所获取数据中的至少一个数据变量施加权重因子。该PCA模型与附加数据的获取联合使用，并且为每个附加观测结果确定至少一个统计量。通过为处理系统设定控制极限，将每个附加观测结果的至少一个统计量与控制极限进行比较。当例如该至少一个统计量超过控制极限时，便检测出了处理系统的一个错误。
文档编号H01L21/00GK1820362SQ200480017267
公开日2006年8月16日 申请日期2004年3月17日 优先权日2003年5月16日
发明者岳江宇, 林英孝 申请人:东京毅力科创株式会社